Linear Transformer (small)
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- IDSIA,SUPSI
- Organisatie type
- Academia,Academia
- Land
- Switzerland
- Gepubliceerd
- 22 February 2021
- Auteurs
- Imanol Schlag, Kazuki Irie, Jürgen Schmidhuber
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Language
- Taak
- Language modeling, Translation
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 40M
- Opleidingsgegevens
- 103,000,000 tokens
- Epochs
- 120
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 1.7 × 10¹⁸ FLOP
- Hoe het werd opgericht
- Operation counting
"For the small and medium configurations, we use batch sizes of 96 and 56 sequences, respectively, and train for about 120 and 70 epochs." Training compute: 6*40000000*70*103000000=1.7304e+18
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA V100
- Chips used
- 2
- Energieverbruik
- 1.2 kW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Unreleased
- Trainingscode
- Open source
code, Apache license: https://github.com/IDSIA/lmtool-fwp/tree/master/example_scripts/2021_linear_transformers_are_secretly_fwps
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Confident
- Citaties
- 405
- Benchmark data
- Linear Transformer (small)
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Linear Transformers Are Secretly Fast Weight Programmers
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Where it came from
Linear Transformer (small) was published by IDSIA,SUPSI, in Switzerland, in February 2021. The organisation is categorised as academia,Academia.
It works in Language, and is recorded as doing language modeling, Translation.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Training en afkomst
Training it took roughly 1.7 × 10¹⁸ FLOP of computation, on NVIDIA V100 — a measure of what producing the model cost, not of how fast it answers.
The training set ran to roughly 103,000,000 tokens.
Antwoorden
Linear Transformer (small) — Veelgestelde vragen
How much compute was used to train Linear Transformer (small)?
Around 1.7 × 10¹⁸ FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run Linear Transformer (small)?
None. Linear Transformer (small) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Linear Transformer (small) open source?
No. Linear Transformer (small) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Linear Transformer (small) have?
Linear Transformer (small) has 40M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Linear Transformer (small)?
Linear Transformer (small) was published by IDSIA,SUPSI, based in Switzerland, categorised as academia,Academia.
When was Linear Transformer (small) released?
Linear Transformer (small) was published in February 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Linear Transformer (small) used for?
Linear Transformer (small) works in Language, and is recorded as handling language modeling, Translation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.